Hacker News · AI·· 11 ชม. ที่แล้วคะแนน AI60
Inworld เปิดตัว Realtime TTS-2 และ TTS-2 Flash เสียงแรกเริ่มต้นเพียง 50 ms
Inworld TTS looks not bad at all
สรุปโดย AI
Inworld เปิดตัวโมเดลแปลงข้อความเป็นเสียงแบบเรียลไทม์สองรุ่น ได้แก่ Realtime TTS-2 และ Realtime TTS-2 Flash โดยมีเสียงแรกเริ่มต้นที่ 90 ms และ 50 ms ตามลำดับ Realtime TTS-2 รองรับประมาณ 500 ภาษาและถิ่นกำเนิด และรับคำสั่งการนำเสนอด้วยภาษาธรรมชาติ ขณะที่ Flash แลกความสามารถในการควบคุมการแสดงออกกับความหน่วงและต้นทุน โดยมีราคาเริ่มต้นที่ 7 ดอลลาร์ต่อล้านตัวอักษรในแพ็กเกจ Growth Inworld อ้างอิงผลทดสอบ Coval ที่ระบุว่า Flash ให้เสียงแรกเร็วถึง 3 เท่าเมื่อเทียบกับ ElevenLabs และเร็วถึง 35 เท่าเมื่อเทียบกับ OpenAI GPT-4o mini TTS พร้อมทั้งมี endpoint ที่เข้ากันได้กับ OpenAI และเครื่องมือย้ายข้อมูลจาก ElevenLabs
แหล่งข่าว:Hacker News · AI · inworld.ai